基于热销推荐的商品展示系统设计与实现

商品展示设计是针对性设计,布局和施行商品销售、展示、视觉传播和购物环境,以促成销售,促销商品并满足生产者和消费者的需要.消费者的需要创造了愈加的科学、更加合理、更合乎人们购物习惯于生活方式的商品展出系统.适应如今的商品展示社会化市场的要求,它结合了有关网络和商品消费的理论知识,包含多个学科的研究性质,拥有非常好的研究意义和实现价值.     

如何提升我国智慧旅游建设水平

智慧旅游通过融合移动互联网、大数据、云服务、5G等先进技术,整合旅游目的地资源,全面提升政府、旅游运营企业的旅游管理运营以及营销推广水平和效率,提升游客的体验服务,成为旅游行业不可阻挡的发展趋势。新冠肺炎疫情的暴发一度使旅游行业遭受重创,与此同时,预约出行、扫码刷脸入园、无接触服务等旅游新业态、新模式不断涌现,倒逼旅游行业加快转变发展方式,走上智慧化、高质量的转型发展之路。我国应抓住后疫情时代促进智慧旅游建设的新机遇,顺势而为,不断提升智慧旅游建设水平。     

[硕天电源]助力四川省国家教育考试巡查系统

国家教育考试巡查系统建设,电力保障的重要性不言而喻。UPS作为保证供电的核心关键设备必须稳定可靠。硕天电源凭借高质量的产品和全方位的服务,成功将产品应用于四川省多个市区的国家教育考试巡查系统,为系统提供了长效可靠的后备电力,提高招考的信息技术水平和服务保障能力。。     

坚持不断创新 提供优良服务

深圳市科立讯数据技术有限公司坐落在广东省深圳市南山区软件园,是一家自主研发、生产和销售各类无线电监测和管制设备的行业方案供应商。本着创新、求实、谋发展的宗旨,公司以"让客户享受良好的人性化产品体验,成为最值得客户长期信赖的企业"为使命,不断为无线电管理机构提供良好的产品与服务。公司自2007年成立之初,就一直把提升产品质量与技术服务作为立足之本,同时强调技术创新,注重未来发展,主动响应市场变化。     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.     

算法推荐要真正服务于民

近期,国家互联网信息办公室、工业和信息化部、公安部、国家市场监督管理总局公布《互联网信息服务算法推荐管理规定》(以下简称《规定》),要求自2022年3月1日起施行。此《规定》一经公布就引起了各大传统媒体及新媒体的争相报道,一时间关于《规定》与“算法推荐服务”的话题引发了社会各界的关注与讨论,解读《规定》者有之,声讨算法服务者更有之。     

就诊等待服务APP适老化设计研究

目的 将数字化服务融入老年患者就诊流程，建立适老化就诊等待服务系统，在APP开发设计研究中实现软件流程优化。方法 依据ERG理论对老年患者在就诊等待过程中的需求点进行分类整理和层次划分。调研目标用户将分析结果融入服务设计理论，为指导软件开发所涉及的医院就诊流程、用户需求痛点，提出系统性的解决策略。基于交互设计原则展开APP界面设计。结论 构建了以老年患者为中心的就诊等待服务系统，帮助提升其等待过程中的自我效能。完善了基于产品使用方式层级的适老化就诊等待服务APP设计策略，为适老化、数字化产品研发提供了新思路;最终产出APP设计实例，提高了老年群体社会参与度，鼓励老年患者自主就诊，帮助其更加轻松地享受信息化时代带来的红利。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。